MétaCan
Menu
Retour à la cohorte
Enregistrement W4386752741 · doi:10.2147/cia.s410687

Development of a Brief Cognitive Screening Tool for Predicting Postoperative Delirium in Patients with Parkinson’s Disease: A Secondary Analysis

2023· article· en· W4386752741 sur OpenAlexaboutno aff
Yongde Zhou, Xiaoxiao Wang, Zhengqian Li, Yu Ma, Cuiping Yu, Yao Chen, Jian Ding, Jianfeng Yu, Rongsong Zhou, Ning Yang, Taotao Liu, Xiangyang Guo, Ting Fan, Chengmei Shi

Notice bibliographique

RevueClinical Interventions in Aging · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensnon disponible
Organismes subventionnairesPeking University Third HospitalPeking UniversityNational Natural Science Foundation of China
Mots-clésMontreal Cognitive AssessmentMedicineReceiver operating characteristicDeliriumCognitionLogistic regressionMini–Mental State ExaminationAudiologyCognitive impairmentInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: A simple, rapid, and effective cognitive screening test appropriate for fast-paced settings with limited resources and staff is essential, especially preoperatively. This study aimed to develop and validate the short versions of Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA) for predicting postoperative delirium (POD) in patients with Parkinson’s disease (PD) who were scheduled for surgery. Methods: The current study was a secondary analysis of data collected from 128 inpatients scheduled for deep brain stimulation of the subthalamic nuclei (STN-DBS) lasting > 60 min, at Tsinghua University Yuquan Hospital, China. Preoperative cognitive screening was performed during the preoperative visit using the MMSE and MoCA. The optimal MMSE and MoCA cut-off scores for detecting PD-MCI was 27 and 23 respectively. The POD was assessed twice a day on the first postoperative day until discharge by the confusion assessment method. The backward conditional logistic regression analysis was used to organize the reduced versions of the MMSE or MoCA. Also, the areas under the receiver operating characteristic curves (AUCs) were examined using the DeLong test. Results: 125/128 PD patients were included in the analysis, and 27 (21.6%) developed POD. The MMSE reduced version (orientation to time, attention and calculation, and comprehension) demonstrated performance similar to the original MMSE in predicting POD ( z =0.820, p =0.412). The AUC of the original MoCA and the short MoCA (visuospatial and executive attention and orientation) were 0.808 and 0.826, respectively. There was no significantly difference in the AUC values between the tests ( z =0.561, p =0.575). Conclusion: Our simplified MMSE and MoCA could be efficiently used to identify patients at risk for POD. Also, short cognitive tests could be considered while predicting POD in fast-paced preoperative settings with limited resources and staff. Plain Language Summary: Routine preoperative cognitive screening is very important in predicting postoperative delirium.MMSE and MoCA are the most commonly used cognitive testing method which normally takes a long time.The short variant of MMSE and MoCA show a predictive performance similar to the original tests. Keywords: Parkinson’s disease, preoperative cognitive impairment, mini-mental state examination, Montreal Cognitive Assessment, postoperative delirium

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,069
Tête enseignante GPT0,394
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Interventions in AgingMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207